UMAHand:一个典型的手动活动惯性信号的数据集
Eduardo Casilari1, Jennifer Barbosa-Galeano1, Francisco J González-Cañete1
1ETS Ingeniería de Telecomunicación, Universidad de Málaga, Bulevar Louis Pasteur 35, Málaga 29071, Spain.
Data in brief
|July 31, 2024
概括
该数据集提供了手部运动的传感器数据,这对于开发人工智能在人类活动识别系统中至关重要. 该资源帮助研究人员培训和评估智能手表的新手势检测算法.
科学领域:
- * 人与计算机的交互
- * 可穿戴技术可穿戴技术
- * 机器学习用于活动识别.
背景情况:
- *像智能手表这样的手腕设备对于人类活动识别 (HAR) 越来越受欢迎.
- *有效的HAR系统需要强大的数据集来训练人工智能 (AI) 算法来识别手动运动模式.
- *现有的数据集可能无法完全捕捉对各种应用程序至关重要的日常手动活动的细微差别.
研究的目的:
- * 介绍UMAHand数据集,这是一个新的手动数据集合.
- *为科学界提供一个有价值的资源,以培训,评估和基准基于AI的运动检测算法.
- * 支持在智能手表中开发具有成本效益的HAR功能.
主要方法:
- *数据采集使用Shimmer 3传感器节点 (加速度计,陀螺仪,磁力计,气压计) 在100 Hz时收集的数据.
- *29个不同的日常生活手动活动由25名志愿者 (16名女性,9名男性,年龄在18-56岁) 进行.
- * 在数据采集过程中,传感器节点戴在主导手上.
主要成果:
- *UMAHand数据集包括来自各种手动的多传感器信号.
- *数据捕捉了涉及手部移动的典型日常活动.
- * 该数据集能够对与特定手势相关的传感器模式进行详细分析.
结论:
- *UMAHand数据集对HAR研究做出了重大贡献,特别是对于智能手表应用.
- *它促进了人工智能算法的发展,用于识别手势和活动.
- *本资源支持创建创新的应用程序,从健身跟踪到残疾人辅助技术.
